“人类发明汽车，飞机，潜艇……实现对自身体力的碾压，但却从未开发出什么工具，实现对智力的碾压。”

2019年1月，谷歌的人工智能AlphaStar在《星际争霸2》中战胜了人类，但它真的实现对人类智力的碾压吗？

人工智能又一次在游戏中击败了人类

2016-2017年，谷歌的人工智能AlphaGo接连在围棋比赛中击败世界顶级围棋选手，点燃了人们对人工智能的热情。

2019年1月，谷歌的人工智能又一次在游戏中击败了人类。这次的人工智能叫AlphaStar，由谷歌旗下的人工智能团队DeepMind开发。它在经典的即时战略游戏《星际争霸2》中，分别以5:0，5:1的成绩战胜了职业选手 TLO和MaNa。

AlphaStar项目由谷歌旗下的人工智能团队DeepMind和暴雪娱乐公司合作展开

（图片来源：DeepMind）

星际玩家：AlphaStar获胜靠的是手速，并不智能

对于这样的结果，星际玩家普遍表示失望，因为在他们看来，比赛中AlphaStar展现的更多是人类难以企及的微操，并没有什么特别具有借鉴意义的战术、战略出现，而他们期望看到的是AlphaStar进行新战术的开发，大局观的理解，并和人类进行智慧互动——所谓真正的人工智能。

在多场比赛中，AlphaStar的APM（每分钟操作）飙到了1000+，持续时间长于1秒，且都是有意义的动作。而目前在星际2，已知的人类最高APM是800+，由顶级职业选手Serral达成，但仅持续1秒不到，且很有可能是垃圾操作。

（图片来源：DeepMind）

AI科学家：AlphaStar获胜是AI研究道路上的里程碑

从玩家的角度，此次AlphaStar对战人类没有展现出让人惊艳的“人工”智能。但对人工智能科学家来说，此次胜利却是一个重要的里程碑，它标志着AI技术攻克了即时战略游戏的堡垒。

作为即时战略游戏的经典代表，星际2操作复杂，要求玩家能兼顾局部操作和宏观大局，进行实时决策与行动，对玩家的智力要求较高。开发星际2人工智能的难点集中在，

a. AI要能进行战略学习与探索，因为星际2没有单一的最佳策略（博弈论）；

b. AI要能通过“侦察”发现信息，因为星际2玩家的关键信息对对手是隐藏的（不完全信息）；

c. AI要学会长远规划，因为星际2当下的一些操作不是立即就有效果的（长远布局）；

d. AI需不断进行操作，星际2的操作是实时的，而不是双方轮流（实时）；

e. 操作空间足够大且操作需分层，可以修改和扩展（操作空间巨大）。

尽管项目难度大，但研究进展迅速。DeepMind在2016年宣布研发针对《星际争霸2》的人工智能，两年时间就取得了阶段性研究成果，在星际2操作复杂的背景下，显得十分不容易。

在具体技术上，DeepMind采用了监督学习+强化学习的框架，并从多智能体的集体强化学习中汲取灵感，设计出了一个虚拟竞技场AlphaStar League，让每个早期智能体在其中训练（相互PK、学习，并不断迭代）。随着训练时间的推移，智能体的对战水平（MMR）不断提高，部分在14天时间内超越了人类玩家TLO和MaNa。这项技术是极具创新意义的。

智能体在AlphaStar League中进行对战、迭代与强化学习，最终与MaNa对战的智能体是依据纳什分布筛选出来的

详见原文：http://www.sohu.com/a/294455221_610473